新文章 了解如何设计基于轨道线（Envelopes）的交易系统 已发布： 在本文中，我将与您分享一种如何进行波带交易的方法。 这一次，我们将研究轨道线（Envelopes），并将看到创建一款基于轨道线的策略是多么容易。 由于该指标是一段时间内偏离价格移动平均值的百分比，因此在上行趋势期间，价格将高于轨道线指标的上轨。 因此，我们在上行趋势中的策略如下： 当价格越过轨道线上轨时，我们会收到买入信号，然后当价格穿过轨道线下轨时，我们会获利了结。 价格 > 波带上轨 = 买入, 价格 < 波带下轨 = 获利了结 作者： Mohamed Abdelmaaboud
烛形关闭剩余时间 (CCTR) MT5 : MetaTrader 5 版本的烛形关闭剩余时间（Candle Closing Time Remaining，CCTR) 是一个指标，用于显示活动的烛形将要关闭的剩余的时间。 作者： Foad Tahmasebi
新文章 面向对象编程基础 已发布： 您无需了解什么是多态性、什么是封装性，以及使用面向对象编程（OOP）相关的一切内容……您可能只需要使用这些功能就好了。本文中涵盖了 OOP 的基础知识，且带有亲身实践示例。 作者： Dmitry Fedoseev
新文章 MQL5中的范畴论（第23部分）：对双重指数移动平均的不同看法 已发布： 在这篇文章中，我们继续我们的主题，最后是从“新”的角度处理日常交易指标。我们正在为这篇文章处理自然变换的水平组合，而这方面的最佳指标是双重指数移动平均（DEMA），它扩展了我们刚刚涵盖的内容。 本文的目的是强调 自然变换 的水平组合的概念。我们在上一篇文章中探讨了它的反义词，我们在文章中看到了如何在两个类别之间检索三个函子，这意味着当类别是价格时间序列和相同价格的移动平均时间序列这样简单的数据集时，可以推断出垂直组合中的两个自然变换。在这篇文章中，我们通过添加移动平均的第三类移动平均，即 双重指数移动平均
新文章 开发回放系统（第29部分）：EA 交易项目——C_Mouse类（三） 已发布： 在改进了C_Mouse类之后，我们可以专注于创建一个类，该类旨在为我们的分析创建一个全新的框架。我们不会使用继承或多态性来创建这个新类。相反，我们将改变，或者更好地说，在价格线中添加新的对象。这就是我们在这篇文章中要做的。在下一节中，我们将研究如何更改分析。所有这些都将在不更改C_Mouse类的代码的情况下完成。实际上，使用继承或多态性会更容易实现这一点。然而，还有其他方法可以达到同样的结果。 但让我们来看看是什么让我们看到了这篇文章。在这里，我们将研究 如何在不更改类和不使用继承系统
当前柱的Murrey数学线 : 当前柱的Murry数学线是预测市场走向的有效工具. 作者： Nikolay Kositsin
参照官方代码，提示MT5包无法使用 报错信息 调用MT5时,无法找到该方法 python版本3.11.7，anancoda3自带的继承python环境 去年上半年还是可以用的，并且训练出了ONNX模型来，但是这次用就不行了
新文章 神经网络变得轻松（第二部分）：网络训练和测试 已发布： 在第二篇文章中，我们将继续研究神经网络，并研究在智能交易系统当中调用我们所创建 CNet 类的示例。 我们将操控两个神经网络模型，它们在训练时间和预测准确性方面都表现出相似的结果。 第一个训练期强烈依赖于在初始阶段随机选择的神经网络的权重。 经过 35 期的训练，统计数据的差异略有增加 - 回归神经网络模型的效果更好： 数值 回归神经网络 分类神经网络 根均方误差 0.68 0.78 命中率 12.68% 11.22% 未识别的分形 20.22% 24.65%
新文章 原生推特（Twitter）客户端：第二部 已发布： 一款以 MQL 类实现的推特（Twitter）客户端，允许您发送带照片的推文。 您只需要包含一个独立的包含文件，之后您即可将所有出色的图表和信号发作推文。 附件是一个有效的 MT5 脚本，该脚本可捕获多达四个图表的屏幕截图，并构建一条简单的推文消息，其中包含图表的品种和 OHLCV 值。 这是一个简单的示例，是您开始自行研发智能系统和/或脚本的起点。 注意: 您必须指定自己的使用者、访问令牌和密匙。 以下是脚本发送的推文示例。 图例 1. 自 MT5 发送的带照片推文 作者： Soewono Effendi
新文章 小型趋势指标、中型趋势指标和主要趋势指标 已发布： 本文基于 James Hyerczyk 所著《形态-价格-时间：甘氏理论在交易系统里的运用》一书中的某些理念，旨在探讨以指标和 《EA 交易》;形式进行自动化交易和分析的可能性。本文不敢自称内容详尽，在此我们只是探讨模型 - 甘氏理论的第一部分。 作者： Dmitriy Skub
新文章 寻找市场形态的计量经济学方法：自相关，热点图和散点图 已发布： 本文研讨季节性特征的扩展研究：自相关热点图和散点图。 本文之目的是展示“市场记忆”的季节性，它通过任意顺序增量的最大相关性来表达。 我们在 M15 时间帧内执行附加检查。 假设我们正在当前时间和前一天的相同时段之间寻找相同的相关性。 在这种情况下，有效滞后必须大 4 倍，并且必须约为 24*4=96，因为每个小时包含四个 M15 周期。 我已经采用相同的设置和 M15 时间帧优化了智能交易系统。 在最佳间隔中，所得的有效滞后小于60，这很奇怪。 也许优化器找到了另一种形态，或者 EA 优化过度。 图例 16. 优化间隔中
新文章 如何用 MQL5 创建自定义真实强度指数指标 已发布： 这是一篇关于如何创建自定义指标的新文章。 这一次，我们将与真实强度指数（TSI）共事，并基于它创建一个智能系统。 正如我们所看到的，我们有 MA 类型、价格类型、快速 MA 周期和慢速 MA 周期的四个输入。 设置好首选项，并按确定后，我们可以发现 EA 已加载到图表上，其信号如下： 买入信号情况 正如我们在上图中看到的，根据我们的策略条件，我们在左上角有一个买入信号作为注释，如下所示： 买入信号, TSI 数值, fastMA 数值, slowMA 数值 作者： Mohamed Abdelmaaboud
新文章 MQL5中的范畴论（第22部分）：对移动平均的不同看法 已发布： 在本文中，我们尝试通过只关注一个指标来简化对这些系列中所涵盖概念的说明，这是最常见的，可能也是最容易理解的。它就是移动平均。在这样做的时候，我们会探讨垂直自然变换的意义和可能的应用。 范畴论
新文章 为 MetaTrader 5 开发MQTT客户端：TDD方法——第3部分 已发布： 本文是一系列文章的第三部分，介绍了我们为MQTT协议开发本机MQL5客户端的步骤。在这一部分中，我们详细描述了如何使用测试驱动开发来实现CONNECT/CONNACK数据包交换的操作行为部分。在这一步骤结束时，我们的客户端必须能够在处理连接尝试可能产生的任何服务器结果时表现得正常。 当我们的客户端请求与服务器连接时，它必须通知服务器 代理的一些期望的能力，, 是否它将需要使用用户名和密码进行身份验证，, 以及该连接是否是新会话，还是它正在恢复先前打开的会话。 这是通过在“Protocol
新文章 开发回放系统 — 市场模拟（第 25 部分）：为下一步做准备 已发布： 在本文中，我们将会完结开发回放和模拟系统的第一阶段。尊敬的读者，有了这样的成就，我确认该系统已经达到了高级水平，为引入新功能铺平了道路。目标是进一步丰富该系统，将其转变为研究和开发市场分析的强力工具。 我们从给控件指示器施加限制开始，如此用户就无法回溯时间。我所说的“回溯时间”是指在取得一定进展后，它不再可能利用控件指示器返回到以前的位置。若要撤消这些动作，您需要关闭回放/模拟服务，并重启该过程从头开始。我知道这个限制也许看起来令人生畏，但相信我，这种方式能防止试图使用回溯功能时也许会出现的诸多问题。
ZigZag NK FiboFan : ZigZag 允许根据最后两个顶值建立 Fibo 扇形。 作者： Nikolay Kositsin
新文章 构建自动运行的 EA（第 15 部分）：自动化（VII） 已发布： 我们将继续讨论上一篇文章的主题，以便完成有关自动化的这一系列文章。 我们将看到所有内容如何搭配到一起，令 EA 像钟表一样运行。 我所展示出的主要故障、问题和困难，均涉及一名程序员在创建自动运行 EA 时的管辖工作。 但我也为您展示出，这可以带来很多知识，改变您实际观察市场的方式。 我尝试以这样一种方式呈现事物，即您可以实际创建一个安全，可靠和强大的系统。 与此同时，它应该是模块化的、紧凑的和非常轻巧的。 您应该能够将其与许多其它事物结合运用。 拥有一个不允许您同时操作各种事物的系统是没有用处的。
新文章 为EA交易提供指标的现成模板（第3部分）：趋势指标 已发布： 在这篇参考文章中，我们将研究趋势指标类别中的标准指标。我们将创建现成的模板，用于EA中的指标使用——声明和设置参数、指标初始化和析构，以及从EA中的指示符缓冲区接收数据和信号。 本文继续讨论在EA中使用指标的现成模板的主题。我们已经探讨了将 振荡指标 和 交易量和比尔威廉姆斯指标 连接到EA的模板。 在这里，我们将研究将趋势指标连接到EA交易。与前几篇文章一样，我们将 在本系列的第一篇文章 中创建的仪表板上显示从指标接收的数据。
新文章 MQL5中的范畴论（第21部分）：使用LDA的自然变换 已发布： 这篇文章是我们系列的第21篇，继续研究自然变换以及如何使用线性判别分析（linear discriminant analysis，LDA）来实现它们。我们以信号类格式展示了它的应用程序，就像在前一篇文章中一样。 随着我们继续研究 自然变换 ，我们将在本文中研究时间序列预测中的更多应用。自然变换通常可以在相关的数据集中推断出来，这是我们想在本文中开始研究的内容。
新文章 开发回放系统 — 市场模拟（第 24 部分）：外汇（V） 已发布： 今天，我们将去除阻止基于最后成交价进行模拟的限制，并将专门针对这类模拟引入一个新的切入点。整个操作机制将基于外汇市场的原则。该过程的主要区别在于出价（Bid）和最后成交价（Last）模拟的分离。不过，重点要注意，用于随机化时间，并将其调整为与 C_Replay 类兼容的方法在两类模拟中保持雷同。这很好，因为一种模式的变化会导致另一种模式的自动改进，尤其遇到处理跳价之间的时间。
新文章 神经网络变得轻松（第五十五部分）：对比内在控制（CIC） 已发布： 对比训练是一种无监督训练方法表象。它的目标是训练一个模型，突显数据集中的相似性和差异性。在本文中，我们将谈论使用对比训练方式来探索不同的扮演者技能。 对比内在控制算法在环境中训练智能体时首先使用反馈，并获取状态和动作的轨迹。然后使用 对比预测编码（CPC） 执行表象训练，其会激励智能体从状态和动作中提取关键特征。表象的表示要考虑到连续状态之间的依赖关系。 内在奖励在判定哪些行为策略应该最大化方面扮演着重要角色。CIC 将状态之间转换的熵最大化，从而促进了智能体行为的多样性。这允许智能体探索和创建行为策略的多样化。
新文章 在 EA 交易代码中实现指标的计算 已发布： 把指标代码移动到 EA 交易中可能有多种原因，怎样评估这种方法的优缺点呢?本文描述了在 EA 交易中实现指标代码，还进行了几个实验来评估 EA 交易运行的速度。 下面是我们为了把指标计算迁移到 EA 交易中所需要做的事。 准备指标缓冲区的操作，为此，创建 CArrayBuffer 类，带有用于数据存储和方便访问的方法。随后，根据指标中缓冲区的数量来创建这样的类的数组。, 把来自 OnCalculate 函数中指标的计算部分迁移到我们类的 Calculate 函数中。, 指标可以从 OnCalculate 函数参数中访问时间序列 (和 EA
新文章 构建自动运行的 EA（第 09 部分）：自动化（I） 已发布： 尽管创建自动 EA 并非一项非常困难的任务，但在缺乏必要知识的情况下可能会犯许多错误。 在本文中，我们将研究如何构建初级自动化，其中包括创建一个触发器来激活盈亏平衡和尾随停止价位。 下面的视频演示了该系统的操作情况。 对于那些想象这是不同或不起作用的人，请观看视频并得出自己的结论。 尽管为了理解正在发生的事情，最好的办法是编译 EA，并在模拟账户上自行测试。 以这样的方式，对整个系统的理解将更加扎实和清晰。 作者： Daniel Jose
新文章 将ML模型与策略测试器集成（结论）：实现价格预测的回归模型 已发布： 本文描述了一个基于决策树的回归模型的实现。该模型应预测金融资产的价格。我们已经准备好了数据，对模型进行了训练和评估，并对其进行了调整和优化。然而，需要注意的是，该模型仅用于研究目的，不应用于实际交易。 基于上述标准，在本文中，我决定使用决策树回归模型来预测收盘价。选择这种模型的理由如下： 性能 ：决策树通常适用于回归问题，因为它们能够捕捉变量之间的非线性关系和相互作用。通过适当调整模型超参数，如树深度和每片叶子的最小样本数，我们可以实现适应度和泛化之间的平衡。 , 可解释性
新文章 MQL5中的范畴论（第20部分）：自我注意的迂回与转换 已发布： 我们暂时离开我们的系列文章，考虑一下 chatGPT 中的部分算法。有没有从自然变换中借鉴的相似之处或概念？我们尝试用信号类格式的代码，在一篇有趣的文章中回答这些和其他问题。 我认为，在范畴论和自然变换的主题上继续写这些系列文章，而不去碰房间里的大象，也就是 chatGPT，那将是失职的。到目前为止，每个人都以某种形式熟悉了chatGPT和许多其他人工智能平台，并见证和欣赏了 变换 神经网络（transformer neural
新文章 为 MetaTrader 5 开发一款 MQTT 客户端：TDD 方式 - 第2部分 已发布： 本文是描述 MQTT 协议的本机MQL5客户端开发步骤系列文章的一部分。在这一部分中，我们将描述我们的代码组织、第一个头文件和类，以及我们如何编写测试。本文还包括关于测试驱动开发实践以及我们如何将其应用于该项目的简要说明。
您错过了交易机会：
- 免费交易应用程序
- 8,000+信号可供复制
- 探索金融市场的经济新闻
注册
登录